Anotación del Programa de la Asignatura “Análisis Inteligente de Imágenes”

Programa de maestría 01.04.02 Matemática Aplicada e Informática
Programa de maestría «Análisis de Datos (Data Science)»
Modalidad de estudios: presencial

1. Lista de resultados de aprendizaje previstos por la asignatura, correlacionados con los resultados planificados de la Maestría (OPOP)

Competencias del estudiante desarrolladas como resultado del dominio de la asignatura:

Código de la competencia. Etapa de formación de la competencia
Formulación de la competencia
Resultados de aprendizaje previstos (indicadores de logro de la competencia)

UK-1
Etapa principal
Capaz de realizar un análisis crítico de situaciones problemáticas basado en un enfoque sistémico y de desarrollar una estrategia de acción.
UK-1.1. Analiza una situación problemática como un sistema, identificando sus componentes y las relaciones entre ellos.
UK-1.2. Determina las lagunas en la información necesaria para resolver la situación problemática y diseña procesos para eliminarlas.
UK-1.3. Evalúa críticamente la fiabilidad de las fuentes de información y trabaja con información contradictoria proveniente de distintas fuentes.
UK-1.4. Desarrolla y argumenta de manera sustancial una estrategia de resolución de problemas basada en enfoques sistémicos e interdisciplinarios.
UK-1.5. Utiliza herramientas lógico-metodológicas para evaluar críticamente conceptos modernos de carácter filosófico y social en su área de especialización.

OPK-1
Etapa principal
Capaz de resolver problemas actuales de matemáticas fundamentales y aplicadas.
OPK-1.1. Posee conocimientos de los fundamentos teóricos y principios de las secciones modernas de las matemáticas fundamentales y aplicadas.
OPK-1.2. Sabe aplicar métodos matemáticos conocidos en la resolución de problemas actuales de matemáticas fundamentales y aplicadas.
OPK-1.3. Capaz de realizar una selección justificada de métodos para resolver problemas profesionales basándose en conocimientos teóricos.

OPK-2
Etapa principal
Capaz de perfeccionar e implementar nuevos métodos matemáticos para resolver problemas aplicados.
OPK-2.1. Conoce los fundamentos teóricos y las posibilidades prácticas del aparato matemático de las matemáticas aplicadas.
OPK-2.2. Sabe realizar una selección razonada del método matemático de resolución y modificarlo según las particularidades del problema aplicado estudiado.
OPK-2.3. Capaz de analizar la insuficiencia de los métodos matemáticos existentes y proponer uno nuevo para resolver un problema aplicado.

OPK-3
Etapa inicial
Capaz de desarrollar modelos matemáticos y analizarlos en la resolución de problemas en el ámbito profesional.
OPK-3.1. Conoce la tríada fundamental «Modelo - Algoritmo - Programa» de las matemáticas aplicadas.
OPK-3.2. Sabe construir y analizar un modelo matemático al resolver un problema en el ámbito profesional.
OPK-3.3. Capaz de desarrollar un algoritmo y un programa al resolver un problema utilizando modelización matemática.

2. Lugar de la asignatura en la estructura de la Maestría (OPOP) y lengua de enseñanza

La asignatura «Análisis Inteligente de Imágenes» forma parte de la sección obligatoria del plan de estudios del programa educativo de maestría en esta área de formación y es de carácter obligatorio.
Según el plan de estudios, la asignatura se imparte en el segundo semestre.
El estudio de la asignatura se basa en los conocimientos, habilidades y destrezas adquiridos en el nivel educativo anterior, así como en las asignaturas:
Lengua de enseñanza – ruso.

3. Tipos de trabajo académico y contenido temático de la asignatura

La carga total de la asignatura es de 5 créditos o 180 horas académicas.

Contenido resumido de la asignatura por secciones y tipos de trabajo académico

Semestre Nº 2

1. Representación digital de la imagen, operaciones básicas y métodos de mejora de la calidad de la imagen.
   34 (3 / 0 / 6 / 25)
   Trabajo de laboratorio; Examen.

2. Transformaciones morfológicas, trabajo con contornos de imágenes. Búsqueda de objetos en imágenes.
   60 (5 / 0 / 12 / 43)
   Trabajo de laboratorio; Examen.

3. Aprendizaje automático en tareas de clasificación y agrupamiento de imágenes, detección de objetos en imágenes.
   86 (7 / 0 / 12 / 67)
   Trabajo de laboratorio; Examen.

Tipo de evaluación intermedia en el semestre: examen.

Total: 180 horas (15 clases magistrales / 0 prácticas / 30 laboratorios / 135 trabajo autónomo).